一种基于马拉算法的电力系统故障录波数据分析方法

摘要

一种基于马拉算法的电力系统故障录波数据分析方法：1.录波数据的采样：每个周期的采样点数取N=128，对应的采样频率fs=Nff＝128×50=6400Hz；2.暂态波形的提取；3.尺度分析；4.马拉算法的分解与重构：对信号进行5层多分辨分析，再利用小波变换检测信号的突变点，检测模极大值；5.故障持续时间和故障波形分析。本发明可以大大降低小波变换的计算量，有利于对含有大量信息的电力系统故障信号进行实时处理，很好地分析电力系统故障过程并提取故障特征基因，从而进行故障的诊断以及定位。

主权项

一种基于马拉算法的电力系统故障录波数据分析方法，其特征是：包括以下步骤：S1录波数据采样每个周期的采样点数取N=128，对应的采样频率fs=Nff＝128*50=6400Hz；S2暂态波形提取采用马拉算法使用多贝西滤波器对故障波形进行分解和重构，在第一尺度下将故障录波信号的频谱分离成高频带和低频带；S3尺度分析在第一尺度下，以多贝西4为小波基，得出下式： w 1 ( 1 ) w 1 ( 2 ) w 1 ( 3 ) . . . w 1 ( 64 ) = H x ( 1 ) x ( 2 ) x ( 3 ) . . . x ( 128 ) H = h ( 3 ) h ( 4 ) 0 0 . . . 0 0 h ( 1 ) h ( 2 ) h ( 1 ) h ( 2 ) h ( 3 ) h ( 4 ) . . . 0 0 0 0 0 0 h ( 1 ) h ( 2 ) . . . 0 0 0 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . 0 0 0 0 . . . h ( 1 ) h ( 2 ) h ( 3 ) h ( 4 ) w1是第一尺度下的小波系数，h是小波滤波器的系数；同样，第一尺度下，以多贝西4为小波基的马拉算法的近似系数由下式给出： a 1 ( 1 ) a 1 ( 2 ) a 1 ( 3 ) . . . a 1 ( 64 ) = G x ( 1 ) x ( 2 ) x ( 3 ) . . . x ( 128 ) G = g ( 3 ) g ( 4 ) 0 0 . . . 0 0 g ( 1 ) g ( 2 ) g ( 1 ) g ( 2 ) g ( 3 ) g ( 4 ) . . . 0 0 0 0 0 0 g ( 1 ) g ( 2 ) . . . 0 0 0 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . 0 0 0 0 . . . g ( 1 ) g ( 2 ) g ( 3 ) g ( 4 ) a1是第一尺度下的近似系数，g是尺度滤波器的系数；不断递归计算出不同尺度下的小波系数和近似系数；S4马拉算法的分解与重构对信号进行5层多分辨分析，再利用小波变换检测信号的突变点，检测模极大值；模极大值的检测步骤如下：S3‑1对数据窗内的采样序列进行小波分解，得到第一层高频系数和第二层高频系数；S3‑2求第一层高频系数和第二层高频系数的模平均值和模最大值；S3‑3比较模最大值与模平均值，若大于设定的阈值，则认为已检测到突变点，否则认为没有检测到突变点；S3‑4若检测到突变点，则记下突变发生的时间，并进一步进行小波分解和重构，若没有检测到突变点，则视为稳态信号；S5故障和故障持续时间分析如果在第一层和第二层高频系数中检测到了模极大值点，说明存在故障或电能质量扰动，否则未出现故障或电能质量扰动；模极大值点还可以得出故障或扰动的持续时间；由扰动持续时间对其所在的频带进行重构，提取出扰动波形，通过重构的扰动波形对扰动进一步分析：如果是短期或者长期变化扰动，则调用相应的短期或者长期变化扰动识别子程序；如果是暂态扰动，则将扰动波形作为人工神经网络和模糊专家系统的输入信号；如果是负荷扰动，则进一步判断是负荷变化引起的扰动还是负荷本身引起的扰动。